牛顿插值法
牛顿(newton)插值法
牛顿(newton)插值法牛顿插值法是一种数值分析中的插值方法，它用于找到一个多项式函数，该函数会经过给定的一系列数据点。
该方法最初由英国数学家艾萨克·牛顿（Isaac Newton）发明并称为插值多项式，它也被称作差分插值法。
插值是数学和工程学中的一项重要任务，它是用于在给定数据点之间构建连续函数的一种数值方法。
插值方法通常涉及过渡从观察结果派生出抽象结果的过程，从而使得预测可能的结果取得更加准确。
下面介绍牛顿插值法的基本原理。
插值基础插值基础是插值方法中的一个重要概念。
在这里，我们将对牛顿插值法中用到的插值基础进行简要介绍。
一个插值基础是指一个已知数据点的集合，通常是一个 x 坐标和对应的 y 坐标。
每个插值基础一般定义为一个数据点的函数，该函数包含了给定点的所有信息并将这些信息用于构建连续函数。
在牛顿插值法中，我们使用差分来定义插值基础。
差分是指两个相邻数据点之间 y 坐标的差值。
具体来说，若给定以下节点：x0, y0x1, y1x2, y2...xn, yn我们则通过以下的 "+" 符号所示的不断进行差分的方式来构建一个插值基础：y0y1-y0…yn-yn-1 yn-yn-1 yn-yn-2 ... yn-y0上述图表所展示的差分的值即为定义插值基础的差商（divided difference）。
牛顿插值公式基于上述插值基础和差商，我们现在可以使用牛顿插值公式来实现插值。
具体来说，牛顿插值公式可以表示为：f(x) = y0 + d1*f[x0,x1] + d2*f[x0,x1,x2] + ... + dn*f[x0,x1,...,xn]其中 f(x) 是插值函数，x0, x1, ..., xn 是给定的节点，y0, y1, ..., yn 是对应的 y 值，f[x0,x1] 是差商 f(x0,...,x1) 的值，d1, d2, ..., dn 也是差商。
请注意，插值函数的次数最高为 n - 1，这意味着插值函数与插值基础的次数相同。
牛顿插值法例题求解
牛顿插值法例题求解牛顿插值法是一种用于多项式插值的方法。
它利用给定数据点的函数值和差商的计算来构造一个多项式函数，从而在给定数据点之间进行插值。
以下是一个求解多项式插值的牛顿插值法的例题：假设有以下给定数据点与函数值：x: 0 1 2 4 y: 1 4 11 36现在要使用牛顿插值法，通过这些数据点拟合出一个多项式函数来进行插值。
解题步骤如下：1.计算差商表：x0 f[x0] 0 1 f[x0,x1] 1 4 f[x0,x1,x2] 2 11 f[x0,x1,x2,x3] 4 36差商的计算可以使用以下公式：f[xi,xi+1,...,xi+k] = (f[xi+1,xi+2,...,xi+k] - f[xi,xi+1,...,xi+k-1]) / (xi+k - xi)2.使用差商表计算插值多项式：插值多项式P(x) = f[x0] + f[x0,x1](x-x0) + f[x0,x1,x2](x-x0)(x-x1) + f[x0,x1,x2,x3](x-x0)(x-x1)(x-x2)P(x)的展开式为：P(x) = 1 + 3(x-0) + 2(x-0)(x-1) + 2(x-0)(x-1)(x-2)3.使用得到的插值多项式进行插值计算。
例如，要计算在x=3 的位置的插值结果，将x 替换为3，计算P(3)：P(3) = 1 + 3(3-0) + 2(3-0)(3-1) + 2(3-0)(3-1)(3-2) = 1 + 9 + 12 + 6 = 28因此，使用牛顿插值法，给定数据点(0,1), (1,4), (2,11), (4,36)，在 x=3 的位置的插值结果为 28。
注意，此例仅为示例，实际问题中，使用牛顿插值法时可能需要更多的数据点和计算过程。
在实际应用中，还需要考虑插值误差、阶数选择以及数据点的分布等因素。
牛顿插值法ppt课件
为 在点
处的二阶差商
称
f[x 0 ,x 1 , x n ] f[x 0 ,x 1 , ,x x n 0 1 ] x n f[x 1 ,x 2 , x n ]
为f (x)在点
处的n阶差商。
--
9
差商表
x
f(x)
一阶差 商
二阶差商
三阶差商
x0
f(x0)
x1
f(x1) f [x0,x1]
x2
f(x2) f [x1,x2] f [x0,x1,x2]
--
14
例题分析（续1）
f
(x0, x1)
y1 x1
y0 x0
12 1(1)
1 2
f
(x1,
x2)
y2 x2
y1 x1
11 21
0
f
(x0, x1, x2)
f
(x1,x2) f (x0,x1) x2 x0
02（(1/12)）
1 6
--
15
例题分析（续2）
f (x)N2(x) f (x0)f[x0,x1](xx0)
令 xx0得： Nn(x0)c0y0f(x0); 令 xx1得： Nn(x1)c0c1(x1x0)y1f(x1); 由此可c0解 ,c1;c出 i 依： 次类推。
--
6
具有承袭性的插值公式
线性插值公式可以写成如下形式：
其中
p 1 x p 0 x c 1 x x 0
p0xfx0，其修正项的系数 c1
f
x1f x0
x1 x0
再修正 p1 x 可以进一步得到拋物插值公式
p 2 x p 1 x c 2 x x 0 x x 1
其中
数值分析2-3(牛顿插值法)
二阶差商
f [ xi , x j , xk ]
一般的k阶差商定义为
f [ x0 , x1 ,..., x k ] f [ x0 ,..., x k 2 , x k ] f [ x0 , x1 ,..., x k 1 ] x k x k 1
特别地，f(x)关于一个点xi的零阶 差商定义为函数值本身，即
§3
差 商 与 牛 顿 插 值
一、差商及其性质 二、差商的计算
三、牛顿插值公式 四、牛顿插值法举例
一、差商及其性质
1. 差商的定义 函数关于 xi, xj 一阶差商
f [ xi , x j ] fห้องสมุดไป่ตู้( x j ) f ( xi ) x j xi
f [ x j , xk ] f [ xi , x j ] xk xi
∶ ∶ ∶
f[x0,x1,x2] f[x1,x2,x3]
∶ ∶ ∶
f[x0,x1,x2,x3]
∶ ∶ ∶
例 已知函数y= f (x)的观测数据如下， 试构造差商表，并求 f [2,4,5,6]的值
x 0 2 f(x) 1 5
4 5 6 9 -4 13
解 构造差商表如下
xi f(xi) 一阶 二阶 三阶 0 1 2 5 2 4 9 2 0 5 -4 -13 -5 -1 6 13 17 15 5 四阶
4 3 2
用二次插值求f (3)时，取
x0=2, x1=4, x2=5, 得 f ( 3) f ( 2) f [2,4]( 3 2)
f [2,4,5]( 3 2)( 3 4) 7 5( 3 2)( 3 4) 12 思考：若本题只给出前三个点，结果 如何？请你总结牛顿插值法何时停止？
数值分析2-3(牛顿插值法)差商和与牛顿插值
确定插值多项式的次数
根据已知数据点的数量确定插值多项式的最高次 数。
计算插值多项式
利用差商表，通过拉格朗日插值公式计算插值多 项式。
3
进行插值
将需要插值的x值代入插值多项式中，得到对应 的y值。
05
牛顿插值法的优缺点分析
优点
计算简单
局部性质好
相比于其他多项式插值方法，牛顿插 值法的计算过程相对简单，不需要求 解高阶方程，降低了计算的复杂度。
数值分析2-3：牛顿 插值法、差商和
目录
• 引言 • 牛顿插值法的基本概念 • 差商的计算方法 • 牛顿插值法的实现步骤 • 牛顿插值法的优缺点分析 • 实际应用案例 • 总结与展望
01
引言
主题简介
数值分析是数学的一个重要分支，主 要研究如何用数值方法解决各种数学 问题。
本章节将介绍牛顿插值法、差商和的 概念及其应用。
03
差商的计算方法
差商的递推公式
差商的递推公式
$f[x_0, x_1, ldots, x_n] = frac{f[x_1, ldots, x_n] - f[x_0, x_1, ldots, x_{n-1}]}{x_n - x_0}$
应用
通过递推公式，我们可以计算任意点之间的差商，从而得到插值多项式的导数。
在数据点附近，牛顿插值具有较好的 局部性质，能够提供较为准确的插值 结果。
适用性强
牛顿插值法适用于各种数据分布情况， 无论是线性还是非线性数据，都能得 到较好的插值结果。
缺点
全局误差较大
由于牛顿插值多项式的构造方式， 其全局误差通常较大，尤其是在 数据点较少的情况下。
对数据点敏感
如果数据点发生微小的变动，牛 顿插值多项式可能会发生较大的 变化，导致插值结果不稳定。
牛顿插值法实验报告
牛顿插值法实验报告
1. 什么是牛顿插值法？
牛顿插值法是一种多项式插值的方法，利用差商的概念，通过给定的点求出一个n 次多项式，使得该多项式经过这些点并尽可能接近给定的函数。
2. 实验步骤是什么？
（1）利用MATLAB 编写程序，输入插值节点和函数值；
（2）求解差商表及插值多项式；
（3）将插值多项式绘制成图像，并与实际函数进行比较；
（4）通过调整插值节点的个数，观察插值多项式的变化情况。
3. 实验中遇到的主要问题是什么？
在实验过程中，需要注意细节问题，如插值节点的选择、差商的计算及程序的调试等。
此外，如果插值多项式的次数太高，可能会出现插值误差过大的情况。
4. 实验的结果有哪些？
实验结果表明，随着插值节点数的增加，插值多项式的精度会提高，并且能够较好地拟合原函数。
但是如果节点过于密集，可能出现龙格现象，插值多项式的误差反而会增大。
5. 实验的意义是什么？
牛顿插值法是计算数学中重要的一种方法，对于一些实际问题的模拟和数据处理有着广泛的应用。
了解其原理和实现方式，能够更好地理解插值问题，并为计算实践提供一些帮助。
牛顿插值法介绍
牛顿插值法介绍本文将介绍牛顿插值法的基本原理、计算过程、优缺点以及在实际问题中的应用。
首先，我们将简要介绍插值法的基本概念和牛顿插值法的由来，然后详细讨论牛顿插值法的计算步骤和算法，接着分析其优缺点以及适用范围，最后通过几个实际问题的例子展示牛顿插值法的应用场景。
一、插值法基本概念在数学和计算机领域，插值是指根据已知的离散数据点构造满足这些数据点的曲线或函数的过程。
假设我们有一组数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，我们想要通过这些数据点构建一个函数f(x)，使得f(xi) = yi，其中i = 1, 2, ..., n。
这样的函数就是经过插值的函数，它代表了这些数据点的趋势和变化规律。
插值法通常用于寻找这样的函数，它能够通过已知的数据点来估计函数在其他位置的值。
常见的插值方法包括拉格朗日插值法、牛顿插值法和埃尔米特插值法等。
在这些方法中，牛顿插值法是最为广泛使用的一种，因为它的计算效率高、精度较高，并且易于编程实现。
二、牛顿插值法的由来牛顿插值法由艾萨克·牛顿在17世纪提出，他是一位英国著名的数学家、物理学家和天文学家，在微积分、物理学和光学等领域都做出了重大贡献。
牛顿发展了牛顿插值法的理论基础和计算方法，并将其应用于数据分析和天体运动等问题中。
牛顿插值法基于牛顿插值多项式的概念，该多项式利用差商（divided differences）来表示，并具有易于计算和分析的优势。
牛顿插值多项式能够在已知的数据点上进行插值，并且还可以通过添加新的数据点来动态地更新插值结果。
因此，牛顿插值法成为了一种非常有用的数值计算工具，被广泛应用于工程、科学和金融等领域。
三、牛顿插值法的计算步骤1. 确定数据点首先，我们需要确定一组离散的数据点{(x1, y1), (x2, y2), ..., (xn, yn)}，这些数据点是我们已知的数据，我们要通过它们来构建插值函数。
牛顿插值法
f [ x, x0 , x1 ,, xk 1 ] f [ x0 , x1,, xk ] f [ x, x0 , x1 ,, xk ](x xk )
因此可得
f ( x) f0 f [ x, x0 ](x x0 )
f0 ( f [ x0 , x1 ] f [ x, x0 , x1 ](x x1 ))(x x0 ) f0 f [ x0 , x1 ](x x0 ) f [ x, x0 , x1 ](x x0 )(x x1 )
为f ( x)关于xi , x j , xk的二阶差商
依此类推
5
f [ xi0 , xi1 ,, xik 1 , xik ]
f [ xi0 , xi1 ,, xik ] f [ xi0 , xi1 ,, xik 2 , xik 1 ] xik xik 1
为f ( x)关于节点 xi0 , xi1 ,, xik1 , xik 的k阶差商
2 f i 2 f i 1 3 2h3 3 f i 3!h 3
20
3 fi 3 2 fi 2 2 fxi 3 3 3!h 3 3 2h
k ( x) ( x x j )
j 0
k 1
f0 f [ x0 , x1 ,, xk ]( x x j )
k 1
n
n
k 1 j 0
为k次多项式
f 0 f [ x0 , x1 ,, xk ] k ( x)
k 1
为f ( x)关于节点 xi 的n次Newton插值多项式
f 0
f 1
f 1 f 2
f 3
2 f0
2 f2
2 f3
3 f0
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
题目：牛顿插值法在凸轮修正设计中的应用算法：Newton插值法组号：6组员：赵冬冬闫鹏田二方李婵娟张帅军郑亚军刘洋郭洋波牛顿插值法在凸轮修正设计中的应用赵冬冬，闫鹏，田二方，李婵娟，郭洋波，张帅军，郑亚军，刘洋（河南理工大学机械与动力工程学院,河南焦作 454000）摘要：本文利用牛顿插值法，提出了一种简单实用的凸轮工作轮廓线的修正方法。
首先对要进行修正的的曲线附近的一些离散点的数据进行分析处理，确定插值多项式的阶次以满足高精度和低运算量的要求。
然后利用Matlab编程计算出插值点的值，并进行误差分析，实现对凸轮的局部工作廓线进行修正。
关键词：凸轮轮廓线；牛顿插值；修正Interpolation method Newton inthe design of CAM fixed application ZHAO Dongdong,YAN Peng,TIAN Erfang,LI Chanjuan,,GUO Yangbo,ZHANGShuaijun,ZHENG Yajun,LIU Yang(School of Machinery and power engineering Henan polytechnicuiversity ,Jiaozuo 454000)Abstract: Based on the Newton interpolation method, we put forward a simple but practical solution to the work of the cam contour correction. Firstly,we rehandle the discrete data nearby the premodifying curve and get the order of the polynomial to meet the demand of high precision and low computation.Then The Newton interpolation and error analysis are realized by matlab programming. SO far ,we’ve resolved the problem of the cam contour correction .Key words: Newton interpolation; cam contour;correction0．问题背景在自动包装机或包装线中，为保证各个机械间歇运动的快捷与准确，常常采用凸轮机构来实现。
包装材料、产品和包装地间歇输送、翻转或转移、工作转台的间歇转位，工作机构带停留段的往复运动，有特定位移、速度或加速度要求的动作等，均属于简谐运动范围，正确设计或选用简谐运动机构，对包装机的运行性能具有关键性的作用。
凸轮机构在高速包装机械设备中应用更广泛，是一种不可缺少和替代的重要机构。
1．问题分析及模型高速包装机械中凸轮工作廓线的设计多采用解析法，这样既保证了凸轮的运动特性，又便于对凸轮机构进行运动学和动力学分析，因此这就使得在不同工况下，凸轮设计的解析方程式往往是不相同的。
这样虽然能保证凸轮的精度，但同时也对凸轮在实际使用中的修正提高了难度，因为只有建立新的解析方程式才能对凸轮进行修正，尤其是只需对凸轮局部曲线进行修正时，也要建立相应的解析方程，这样就使曲线修正的工作量大增，工作效率降低[1]。
基于减小修正量和提高工作效率的考虑，所以考虑插值法中的牛顿插值，提出了一种简单、实用的凸轮工作廓线的修正设计方法，这种方法不必对原有的解析方程进行修改计算，只需通过对要进行修正的曲线附近的一些离散点的数据进行处理，就能对现有凸轮工作廓线进行修正，特别适合凸轮曲线在实际使用中的局部修正设计[2]。
已知两个变量X,Y 之间的一个离散的函数关系式Yi=F(Xi) i=0，l ，2，…，n ，即给出一 个数据表例如： _________________作者简介：赵冬冬（1988—），男，河南济源人，硕士研究生，主要从事先进制造方向研究。
邮 箱：451896301@表1找到一个与原函数近似的简单的多项式函数，使其在一部分离散点 i x ，0x ，1x ，……n x 的值分别与()i x f ，()0x f ，()1x f ……()n x f 相等。
根据以上要求，可以使用插值多项式来逼近原解析函数。
2. 算法的数学原理Lagrange 插值公式结构紧凑，便于理论分析。
利用插值基函数也容易得到插值多项式的，Lagrange 插值公式的缺点是，当插值节点增加，或其位置变化时，全部插值基函数均要随之变化，从而整个插值公式的结构也发生变化，这在实际计算中是非常不利的。
下面引入的Newton 插值公式也可以克服这个缺点。
Newton 插值多项式可以灵活的增加插值节点进行递推计算。
该公式形式对称，结构紧凑，因而容易编写计算程序。
Newton 插值多项式为[3]：()()[]()x x x x f x f x N k Nk k n ω∑=+=1,,1,00...其中：[][][]01101010,...,,,...,,,...,,x x x x x f x x x f x x x f k k k k --=-i x 0x 1x ... n x ()i x f ()0x f ()1x f ... ()n x f称之为()x f 在k x x x ...,,10上得k 阶均差。
实际计算中，可以由插商表计算。
如图所示：表2k x ()k x f 一阶均差 二阶均差 三阶均差 四阶均差0x ()0x f1x ()1x f []10,x x f2x ()2x f []21,x x f []210,,x x x f3x ()3x f []32,x x f []321,,x x x f []3210,,,x x x x f 4x()4x f[]43,x x f []432,,x x x f []4321,,,x x x x f[]43210,,,,x x x x x f3. 算法的MATLAB 实现 3.1实验数据高速包装机上有一凸轮，其工作廓线共有分A 、B 、C 三段，在实际的使用中发现A 段和c 段的行程符合设计要求，而B 段的行程须进行修正设计。
已知凸轮A 段曲线数据，如表3所示。
表3已知凸轮C 段曲线数据，如表4所示。
表4一般来说，使用的已测数据点越多，可获得的信息量越大，对未知点的估计越精确。
在牛顿插值算法中，使用已测数据点越多，会导致插值多项式的次数过高，出现龙格现象，曲线也会有较多折点。
而凸轮的工作多为翻转，需要其工作廓线有很好的圆滑性。
由于距离插值点越近的数据对插值点数值的精度影响越大，本文使用i x 239 240 241 242 243 ()i x f 14.227 14.03 13.854 13.681 13.526 i x 249 250 251 252 253 ()i x f 13.098 13.095 13.085 13.067 13.039i x =242,243,249,250这4个点的数据，根据牛顿插值的定义做差商表，如图表5所示。
表5由差商表可知，二阶差商的值已接近常数，故牛顿插值多项式近似为二阶即可满足精度要求。
为保证其圆滑性，本文采用三次牛顿插值多项式来求B 段i x =244,245...248的修正值。
3.2 Matlab 程序代码function f=Newton(x,y,P) syms t;n=length(x); m=length(y); if m~=nerror('样本数据中x 与y 的对应个数不匹配'); return endA=zeros(n); A(:,1)=y; for j=2:n for i=1:(n-j+1)A(i,j)=(A(i+1,j-1)-A(i,j-1))/(x(i+j-1)-x(i)); end end Af=A(1,1); for j=2:n T=1;for i=1:j-1T=T*(t-x(i)); endf=f+A(1,j)*T; endf = vpa(f,6); f=simplify(f) f=subs(f,'t',P) plot(x,y,'*',P,f); 保存为Newton.m 文件。
i x ()i x f 一阶差商 二阶差商 三阶差商 242 13.681243 13.526 -0.155249 13.098 -0.07133 0.011952250 13.095 -0.003 0.009762 -0.000274. 计算结果及结果的分析、验证4.1计算结果>>>> x = [242 243 249 250 ];y = [13.681 13.526 13.098 13.095 ];x0=[241,244,245,246,247,248,251]f=Newton( x , y ,x0);x0 =241 244 245 246 247 248 251A =13.6810 -0.1550 0.0120 -0.000313.5260 -0.0713 0.0098 013.0980 -0.0030 0 013.0950 0 0 0f =51.1910-.155000*t+.119524e-1*(t-242.)*(t-243.)-.273810e-3*(t-242.)*(t-243.)*(t-249.)f =4763.37987854-55.12024951*t+.21292894*t^2-.27381e-3*t^3f =13.8643 13.3976 13.2943 13.2143 13.1560 13.117813.1071240242244246248250252 1313.213.413.613.8144.2.结果分析观察上述插值图像，直观上可以满足凸轮工作廓线的圆滑度。
具体的数值精度，可以通过量化计算得到。
在上述程序中，对x0 =241，244，245，246，247，248，251的值均作了插值处理。
其中计算点x0 =241， 251的值是为了与已知的数据点对比，从而检验牛顿插值计算的精度。
插值点实际值计算值绝对误差相对误差241 13.854 13.3864 0.4676 0.0338251 13.085 13.1071 0.0221 0.0017可以看出，相对误差都控制在5%以内，属于较好的插值结果。
又由于用来检验精度的两个点均为插值数据的外点，误差比内点大得多，故在B 段曲线上的点的数据精度应该更高，插值效果更好。